在《2026 年上半年諾亞控股 CIO 報告》中，我們提出了人工智能（AI）發展的三階段邏輯，從模型到應用，再到基建。

如果説前兩個階段的核心變量在於算法突破與應用創新，那麼進入第三階段後，AI 的增長邏輯正在發生一次關鍵轉移：從工程師主導，轉向資產負債表主導。

在高度不確定的宏觀環境中，本期 CIO 報告並不試圖預測短期市場波動，而是希望識別那些正在形成確定性的長期結構。AI 的階段性演進，正是其中一個值得重點觀察的方向。

「諾亞 CIO 報告 · 核心判斷力」系列，持續提煉《2026 年上半年諾亞控股 CIO 報告》中的關鍵判斷與方法論，幫助您在變化加速的時代，更好地校準長期方向感。本期將圍繞三個問題展開：如何理解 AI 的三階段邏輯？為什麼“資本開支”正在取代“技術敍事”？AI 基建為何逐步成為新一代長期核心資產？

AI 三階段邏輯：模型 — 應用 — 基建

諾亞控股 CIO 辦公室的研究判斷：AI 的增長引擎，正在由工程師轉向資產負債表。回顧人工智能的發展路徑，可以清晰地看到三個階段：

第一階段：算法與模型突破

以模型能力、參數規模與推理效率為核心，技術進步是主要驅動力。

第二階段：應用探索與商業化試驗

各類應用場景加速落地，市場關注點集中在商業模式與變現路徑。

第三階段：基礎設施建設與規模化部署

AI 從“可用”走向“可規模化運行”，對算力、電力、數據中心、網絡與冷卻系統的需求顯著上升。

進入2026 年，AI 正處於第三階段的起點。這一階段最顯著的變化，並非模型能力本身，而是資本開支結構的系統性抬升。越來越多的資源，正在被持續投入到算力中心、電力系統、數據中心與配套基礎設施之中。

從更長的歷史維度看，每一次深刻改變經濟結構的技術浪潮，最終都會以基礎設施的形式被“固化”為長期資產：工業化時代的鐵路與電網，城市化進程中的土地與交通體系，互聯網時代的數據中心與通信網絡。

AI，正在重複這一過程。

為什麼「資本開支」比「技術敍事」更重要

圖：AI 從數據獲取到模型訓練與推理的完整數據基礎設施價值鏈
來源：Felicis Ventures (AI Data Infrastructure Value Chain) 

在 AI 的前兩個階段，技術敍事往往主導市場預期。更強的模型、更快的推理速度、更具想象空間的應用場景，都會迅速轉化為估值討論的核心。

但當 AI 進入第三階段，約束條件正在發生變化。真正限制其擴張速度的，不再是算法能力本身，而是是否具備持續投入算力、能源、網絡與數據中心的能力。

這意味着，增長的決定權，正在從“誰講得更好”轉向“誰投得起、撐得久”。在這一階段，企業資產負債表的承載能力，開始比單一技術故事本身更具決定性。

對財富管理而言，這是一個重要的分界點。當資本開支成為核心變量，投資判斷就不能再停留在短期敍事層面，而需要回到結構、週期與現金流的可持續性上來理解 AI 的長期影響。

AI 基建為何成為新一代長期核心資產

圖：2015–2030 年全球數據中心電力需求的變化
來源：Masanet 等（2020）、Cisco、國際能源署（IEA）、高盛全球投資研究

在報告的中長期研究框架中，諾亞控股CIO辦公室觀察到：在未來較長一段時間內，AI 基建有望成為全球能源、電網與數據中心投資的重要驅動力之一。

當 AI 進入第三階段，它正在變得更像電網，而不是一個又一個 App。

電網的關鍵價值在於“不可或缺”。其回報來自長期、持續的使用，在資產組合中承擔的是穩定器與底座的角色。AI 基建資產亦具備相似特徵。在長期擴張過程中，它們可能逐步成為承載 AI 能力運行的關鍵基礎層。

此外，AI 的算力需求呈現出幾個高度確定的特徵：持續、高密度、不可中斷。這使得電力系統成為 AI 時代最剛性的約束之一，也由此帶來一系列值得持續研究的趨勢，包括：電力需求的結構性上升、電網升級與區域瓶頸顯現，以及能源與相關基礎設施投資的長期可見性增強。

在 2026 年的資產配置研究框架中，諾亞控股 CIO 辦公室將 AI 基建視為：

·另類資產配置中值得重點研究的底層資產類型

·連接科技創新與長期資本的重要橋樑

·在組合結構層面，有助於提升穩定性特徵與全球分散度的重要組成部分

完整判斷與財富配置分析，詳見報告原文。

掃碼獲取
《2026年上半年諾亞控股CIO報告》